Die Datenökonomie in der Energiewirtschaft - ANALYSE Eine Analyse der Ausgangslage und Wege in die Zukunft der Energiewirtschaft durch die ...
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
ANALYSE Die Datenökonomie in der Energiewirtschaft Eine Analyse der Ausgangslage und Wege in die Zukunft der Energiewirtschaft durch die Datenökonomie
Impressum
Herausgeber
Deutsche Energie-Agentur GmbH (dena)
Chausseestraße 128 a
10115 Berlin
Tel: +49 (0)30 66 777-0
Fax: +49 (0)30 66 777-699
E-Mail: info@dena.de
Internet: www.dena.de
Autoren:
Lukas Knüsel, dena
Philipp Richard, dena
Stand:
Juli 2022
Alle Rechte sind vorbehalten. Die Nutzung steht unter dem Zustimmungsvorbehalt der dena.
Bitte zitieren als:
Deutsche Energie-Agentur (Hrsg.) (dena, 2022) „Die Datenökonomie in der Energiewirtschaft: Eine Analyse
der Ausgangslage und Wege in die Zukunft der Energiewirtschaft durch die Datenökonomie“
Analyse der WIK-Consult inkl. Einordnung der dena
Analyse „Die Datenökonomie in der Energiewirtschaft“
1 Vorwort
Die Digitalisierung ist essenziell für die Umsetzung der Energiewende und der Erreichung der
Klimaschutzziele. Die zunehmende Dezentralisierung erfordert es, viele Millionen einzelne Anlagen und
Geräte mittels der Digitalisierung miteinander zu vernetzen und zu steuern. Die Digitalisierung ist dabei
alternativlos für die Transformation des Energiesystems. Damit die Digitalisierung einen Mehrwert für die
Energiewende stiften kann, müssen mehrere Aspekte der Digitalisierung berücksichtigt werden: Auf der
einen Seite wird physische Infrastruktur und Hardware zur Datenerfassung, -speicherung und -übertragung
benötigt. Auf der anderen Seite ist Software entscheidend für die Verarbeitung und Verwertung von Daten.
Dies zeigt bereits: Die Grundlage der Digitalisierung sind Daten. Ohne Daten gibt es keine Digitalisierung, die
zur Energiewende beitragen kann. Die Frage nach der Verfügbarkeit von Daten ist daher von entscheidender
Bedeutung. Es gibt schon viele Daten, jedoch sind diese oft nur sehr beschränkt zugänglich. Die mangelhafte
Verfügbarkeit von Daten verhindert dabei jedoch neue, innovative Lösungen für die Energiewende und
disruptive Geschäftsmodelle.
Die Thematik der Datenverfügbarkeit hat viele Dimensionen: Aus rechtlicher Sicht ist zu klären, welche Daten
unter welchen Bedingungen welchen Akteuren zur Verfügung gestellt werden können. Aus politischer Sicht
gilt es zu klären, wie ein Rahmen geschaffen werden kann, in dem die Bereitstellung von Daten attraktiver
wird. Aus ökonomischer Sicht muss ein betriebswirtschaftlicher Mehrwert durch die Bereitstellung von Daten
erkennbar werden.
Wir freuen uns eine Analyse veröffentlichen zu dürfen, die eine zentrale Fragestellung der Digitalisierung
adressiert: Wie kann es gelingen die Bereitstellung von Daten durch marktliche Anreize zu fördern? Die
Annahme ist hier, dass wenn Daten einen ökonomischen Wert erhalten, es für Marktakteure attraktiver wird,
ihre Daten anderen Akteuren bereitzustellen. Kurz: Die Datenökonomie stärkt die Digitalisierung und damit
auch die Energiewende.
Die Analyse, die im Rahmen des Projekts „Future Energy“ entstanden ist, beleuchtet daher die
„Datenökonomie in der Energiewirtschaft“. Diese Thematik verdient größte Aufmerksamkeit und stellt eine
wesentliche Säule der Energiewirtschaft der Zukunft dar.
Wir, als Future Energy Lab der Deutschen Energie-Agentur (dena), hoffen hierdurch eine wichtige Debatte
über die Rolle von Daten in der Energiewirtschaft anzustoßen und für die Thematik zu sensibilisieren. Wir
wünschen Ihnen viel Freude beim Lesen.
Mit besten Grüßen
L. Knüsel
Philipp Richard Lukas Knüsel
Bereichsleiter Digitale Technologien & Seniorexperte Digitale Technologien
Start-up Ökosystem
2 Einordnung der Analyse
Die Bedeutung von Datenaustauschbeziehungen für die
Energiewirtschaft
Die Energiewirtschaft befindet sich bereits seit jedoch der Grundstein für datengetriebene
Jahren in einer umfassenden Phase der Geschäftsmodelle und werden vielfach als Basis
Veränderung. Die Liberalisierung des für den Erfolg selbiger vorausgesetzt. Für
Energiemarkts, die zunehmende Dezentralisierung Unternehmen einer sich modernisierenden
und Integration von erneuerbaren Energien sowie Energiebranche ist der Zugriff auf Daten, ähnlich
ambitionierte Ziele zur Dekarbonisierung erzeugen wie in fast allen anderen Branchen, zunehmend
einen großen Veränderungsdruck. Weiterhin unabdingbar, um ihre Wettbewerbsfähigkeit und
verstärken die Verwerfungen des russischen Produktivität zu halten oder gar zu steigern.
Krieges in der Ukraine die Notwendigkeit, das
Energiesystem noch schneller zu transformieren Datenaustausch ist essenziell für den Erfolg der
und fossile Abhängigkeiten zu reduzieren. Die Energiewende
Digitalisierung ist dabei trotz ihrer ganz eigenen
Herausforderungen essenziell für die Eine bessere Verfügbarkeit von Daten und das
Transformation der Energiewirtschaft. Eine Auswerten großer Datenmengen mithilfe von
zentrale Thematik ist dabei bis heute jedoch nur Algorithmen tragen zweifelsohne auch dazu bei,
unzureichend systematisch adressiert worden: dass energie- und klimapolitische Ziele auf
Damit die Digitalisierung in allen Sektoren des effizientere Art und Weise erreicht werden können.
Energiebereichs gelingen kann und auch das Vor dem Hintergrund des Krieges in der Ukraine
Tempo aufnimmt, das wir vielfach von der wird die Notwendigkeit, sich mit der Digitalisierung
Digitalisierung erwarten und für den Umbau des und konkret der Dateninfrastruktur in der
Energiesystems auch benötigen, muss die Rolle Energiewirtschaft auseinanderzusetzen noch
von Daten, Dateninfrastrukturen und fairen größer, da die Unabhängigkeit von Öl, Kohle und
Austauschbeziehungen von Daten unter den Gas noch schneller erfolgen muss und
Akteuren zu einem zentralen Fokus der entsprechend ein integriertes Energiesystem mit
kommenden Jahre werden. großen Anteilen an erneuerbaren Energien sehr
zeitnah in die Realität umzusetzen ist. Ohne eine
Ein wesentliches Hemmnis der Digitalisierung in der Breite der Akteure bessere
besteht demnach nicht in der bloßen Generierung Datenverfügbarkeit, die teil- und vollautomatische
oder Nutzung von Daten, sondern vielmehr in der Steuerungssysteme zuverlässig, sicher und
mangelnden Verfügbarkeit von Daten zur richtigen geschützt ermöglicht, kann es der
Zeit und in der richtigen Qualität beim richtigen Energiewirtschaft letztlich nicht gelingen, die
Akteur. Daten müssen generiert, (vor-)verarbeitet, Herausforderungen des 21. Jahrhunderts zu
ausgetauscht und analysiert werden, damit diese bewältigen.
einen Nutzen bringen können. Doch selbst wenn
Daten existieren, ist der Zugang zu diesen in der
Regel zunächst einmal (nachvollziehbarerweise)
auf deren Urheber beschränkt. Daten sind zudem
Analyse „Die Datenökonomie in der Energiewirtschaft“
Dem Status quo zum Datenaustausch fehlen die der Branche. Abhängig vom spezifischen
Anreize für einen nachhaltigen Wert der Daten Anwendungsfall ergeben sich dadurch jedoch sehr
unterschiedliche Erfordernisse im Hinblick auf die
Die Dringlichkeit, sich mit Daten und deren damit verbundene technische Konzeption und die
Austausch bzw. Verfügbarkeit Governanceprinzipien. Die zahlreichen
auseinanderzusetzen, ist entsprechend hoch. diskutierten Ansätze wie Datenplattformen,
Gegenwärtig ist es so, dass Daten in der Datentreuhänder, Datenräume und
Energiewirtschaft in der Regel dann ausgetauscht Datenmarktplätze zeugen dabei von der
werden, wenn es regulatorische Vorgaben Komplexität und Notwendigkeit geeigneter
diesbezüglich nötig machen bzw. vorschreiben. In Infrastrukturen für den Datenaustausch.
diesem Zusammenhang ist primär die
Marktkommunikation zu nennen. Diese erfordert Diese Infrastrukturen müssen dabei verschiedene
den Austausch und die Bereitstellung einer Vielzahl Kriterien erfüllen, damit sie von
an Informationen, jedoch dient dieser energiewirtschaftlichen Akteuren angenommen
Datenaustausch weitestgehend dem Zweck, das werden. Dazu zählen maßgeblich Kriterien wie
bestehende System mit all seinen Prozessen zu Datenschutz, Datensicherheit und
unterstützen und aufrechtzuerhalten. Es wird über Datensouveränität sowie Interoperabilität. Es ist zu
diesen Weg jedoch nicht möglich sein das vermuten, dass eine geeignete Dateninfrastruktur
Potenzial dieser Daten nachhaltig für die Zukunft nicht durch eine unternehmerische Initiative allein
der Energiewirtschaft zu heben. Viel entstehen wird, da es schwierig sein wird, das
entscheidender wird daher die Frage sein, wie ein nötige Vertrauen zu schaffen, welches für den
Rahmen geschaffen und ausgestaltet werden kann, energiewirtschaftlichen Datenaustausch
der die richtigen Anreize setzt, um den unabdingbar ist. Hingegen erscheinen öffentlich
Datenaustausch über die Marktkommunikation geförderte Projekte wie beispielsweise die
hinaus zu ermöglichen und attraktiv zu machen. europäische Initiative „GAIA-X“ zielführender, um
Dabei sollte über die klassischen eine sektorenübergreifende Dateninfrastruktur zu
Geschäftsprozesse hinausgehend die Generierung errichten, weil aufgrund der bestehenden
von datengetriebenen Mehrwerten im Vordergrund Transparenz, der Mitgestaltungsmöglichkeiten und
stehen. klarer Prinzipien die beteiligten Akteure eher
Vertrauen aufbauen können.
Wie die Stärkung des (energiewirtschaftlichen)
Datenaustauschs gelingen kann Zweitens ist es wichtig, dass über alle Sektoren der
Branche hinweg Wege gefunden werden, Daten
Die Generierung von Mehrwerten hängt einen nachvollziehbaren Wert zuzuschreiben, der
maßgeblich davon ab, ob die beteiligten Akteure z. B. von der Qualität des Datensatzes abhängig ist,
einen wirtschaftlichen Vorteil aus der zeitlich variieren kann und auch über seine
Bereitstellung von Daten ziehen können. Knappheit einen Preisparameter erfahren könnte.
Diesbezüglich sind zwei wesentliche Aspekte zu Bereits heute werden im Energiesektor von vielen
berücksichtigen: verschiedenen Akteuren Unmengen an Daten
generiert, jedoch ist deren Wert für das jeweilige
Erstens muss eine digitale Infrastruktur verfügbar Unternehmen kaum oder gar nicht zu
sein, die den Datenaustausch ermöglicht und quantifizieren. In diesem Kontext kann daher das
fördert. Es existieren dabei verschiedene Optionen, Konzept der Datenökonomie einen wesentlichen
wie ein solcher Datenaustausch infrastrukturell Beitrag leisten. Der marktwirtschaftlich-
umgesetzt werden kann und schon seit mehreren incentivierte Austausch von Daten (in Abgrenzung
Jahren kursiert diesbezüglich der Ruf nach z. B. zur regulatorisch-bedingten
geeigneten Infrastrukturen zum Datenaustausch in
Analyse „Die Datenökonomie in der Energiewirtschaft“
Marktkommunikation) kann somit einen werden können, sind Daten aus dem regulierten
erheblichen Mehrwert für die Digitalisierung der Bereich (z. B. Netzdaten) nur begrenzt für den
Energiewirtschaft leisten. Eine solche Austausch geeignet.
(energiewirtschaftliche) Datenökonomie würde es
erlauben, dass Unternehmen wirtschaftliche Die Heterogenität der energiewirtschaftlichen
Anreize erhalten, ihre Daten anderen Akteuren Datenlandschaft ist eine weitere zentrale
bereitzustellen, anstatt diese Daten in Herausforderung. Geräte, Anwendungen und
firmeneigenen Datensilos einzubehalten. Die Geschäftsmodelle werden vermehrt auf ihre
Etablierung eines derartigen Mechanismus ist jeweilige spezifische Anwendungsumgebung
essenziell, um die Digitalisierung in der optimiert, jedoch entstehen dadurch auch immer
Energiewirtschaft mit den Kräften des Marktes mehr inkompatible Insellösungen. Damit die
wesentlich zu beschleunigen. Parallel kann damit Umsetzung der Digitalisierung der
die Basis geschaffen werden, um der Energiewirtschaft gelingen kann, muss jedoch
Notwendigkeit nachzukommen, Datensätze zu auch ein umfassendes Zielbild für die Förderung
standardisieren. Datensätze, die in ihrer von Datenaustauschbeziehungen im Energiesektor
aufbereiteten Form (standardisierte Form) von entwickelt werden. Ein solches
mehreren Akteuren genutzt werden können, sektorenübergreifendes Zielbild erlaubt ein
sollten einen höheren Wert zugemessen kohärentes Zusammenwachsen der vielen
bekommen. Das würde dazu beitragen, dass die verschiedenen Datenbestände und der
Marktakteure ein eigenes Interesse haben, die dazugehörigen Infrastrukturen.
Daten so aufzubereiten, dass sie effektiv von
anderen Parteien genutzt werden können. Zusammenfassend lässt sich festhalten, dass die
richtigen Bedingungen geschaffen werden müssen,
Herausforderungen des Datenaustauschs damit Marktakteure bereit sind, Daten über
regulatorische Vorgaben hinaus miteinander
Es besteht in der Regel ein Konflikt zwischen einem auszutauschen. Dazu muss grundsätzlich eine
Geheimhaltungsinteresse des Datenbesitzers auf digitale Infrastruktur bereitstehen, die Aspekte an
der einen Seite und einem übergeordneten Datensouveränität und -sicherheit sowie
Informationsinteresse der Volkswirtschaft, das sich Interoperabilität ermöglicht und sicherstellt.
aus der Bereitstellung dieser Daten ergeben kann. Weiterhin muss es wirtschaftlich und strategisch
Ein markt-getriebener Austausch von Daten im sinnvoll sein, Daten auszutauschen, was nur
Sinne einer Datenökonomie kann dabei helfen, möglich ist, wenn die Kosten der
diesen Konflikt beizulegen, wobei jedoch darauf zu Datengenerierung, -verarbeitung und
achten ist, dass bei der Ausgestaltung des -bereitstellung geringer sind als die zu
datenökonomischen Rahmens selbst gewisse erwartenden Mehrwerte. Aus diesem Grund ist es
Kriterien wie z. B. Fairness, Effizienz und niedrige von oberster Bedeutung, einen geeigneten
Transaktionskosten eingehalten werden. Rahmen für die Energiewirtschaft zu gestalten, der
Anreize zur Schaffung einer Datenökonomie
Die Energiewirtschaft steht vor besonderen ermöglicht.
Herausforderungen, wenn es um den Austausch
von Daten geht. Im Vergleich zu anderen
Wirtschaftssektoren existieren z. B. für den
Umgang mit manchen (nicht-personenbezogenen)
Daten höhere Anforderungen (besonders wenn es
um kritische Infrastruktur geht). Während Daten
aus dem wettbewerblichen Bereich grundsätzlich
leichter mit anderen Akteuren ausgetauscht
Analyse „Die Datenökonomie in der Energiewirtschaft“
Die politische Dimension von Daten und Dateninfrastrukturen
Daten, Dateninfrastrukturen und Besonderen zu setzen. Vordergründig besteht
Datenaustauschmöglichkeiten haben auch eine daher die Herausforderung in der Übernahme bzw.
bedeutsame politische Dimension. Die vermehrte Anpassung europäischen Rechts auf Deutschland.
Abhängigkeit von außereuropäischen Die Bundesregierung hat sich in ihrem
Dateninfrastrukturen lässt den Handlungsdruck Koalitionsvertrag ambitionierte Ziele gesetzt, die
aufseiten der Politik und der schnelles und tatkräftiges Handeln erfordern.
Regulierungsbehörden anwachsen. Auf
europäischer Ebene wurde z. B. erkannt, dass Hinsichtlich der Förderung der digitalen
Daten und die dazugehörigen Infrastrukturen für Infrastruktur ist u. a. geplant, Glasfaser
die wirtschaftliche Produktivität und die digitale auszubauen, Open Access zu fördern und
Souveränität Europas entscheidend sind. Genehmigungsverfahren zu vereinfachen.
Weiterhin sollen in den Bereichen der digitalen
Die Digitalpolitik der Europäischen Union Schlüsseltechnologien und der digitalen Wirtschaft
Fortschritte erzielt werden. Für die vorliegende
Aus diesem Grund hat die Europäische Union Thematik ist insbesondere die Zielsetzung im
bereits viele wichtige Eckpfeiler zur Regulierung Bereich Daten und Datenrecht von Relevanz: Es
der Digitalökonomie vorangebracht. Die sollen die Potenziale von Daten gehoben werden,
Datenschutz-Grundverordnung ist schon seit d. h. vor allen Dingen die Unterstützung von
einigen Jahren in Kraft. Kürzlich wurden zwei Dateninfrastrukturen jeglicher Art zu stärken. Der
weitere zentrale Meilensteine erreicht: Der „Digital Zugang zu Daten soll verbessert werden, um
Markets Act“ soll dabei große Plattformen der innovative Geschäftsmodelle und soziale
Digitalwirtschaft (sog. „Gatekeeper“) regulieren Innovationen zu fördern. Neben anderen Punkten
und einhegen. Der „Digital Services Act“ soll die soll diesbezüglich auch ein Dateninstitut
Rechte von Verbraucherinnen und Verbrauchern aufgebaut, ein Datengesetz verabschiedet und
im Internet stärken. Der „EU Data Act“ Open Data im Allgemeinen gefördert werden.
beabsichtigt, Datenmonopole in allen
Wirtschaftsbereichen zu vermeiden und Bis Ende Mai 2022 lässt sich jedoch konstatieren,
einzuschränken. Weiterhin sind neue dass die Bundesregierung im Bereich der Daten-
Regulierungen für den Umgang mit künstlicher und Digitalpolitik noch viele Herausforderungen zu
Intelligenz (wie dem „Artificial Intelligence Act“) überwinden hat. Die Bedeutung der Daten- und
geplant. Die Europäische Kommission hat aus Digitalpolitik für die Transformation des
diesem Grund zudem die „Digitale Dekade“ in Energiesystems sollte dabei jedoch nicht
Europa ausgerufen, eine übergeordnete Vision zur übersehen werden. Insgesamt gibt es derzeit noch
Gestaltung einer „menschengerechten digitalen zu wenige Projekte, die den Nutzen von
Zukunft“. Dateninfrastrukturen (wie Plattformen und
Datenräumen) in der Energiewirtschaft erproben.
Die Digitalpolitik in Deutschland Das Projekt „Gaia-X“ ist dabei eines der Vorhaben,
das von großer Bedeutsamkeit für die europäische
Während auf der europäischen Ebene wesentliche und deutsche Dateninfrastruktur und deren
Fortschritte im Bereich der Regulierung zu Datenökosystem ist. Projekte dieser Art sind von
verzeichnen sind, hat die Bundesregierung noch strategischer Bedeutung für die Digitalisierung der
einen längeren Weg vor sich, um einen geeigneten Energiewirtschaft und sollten im Idealfall durch die
Rahmen für die Daten- und Digitalökonomie im Bundesregierung gefördert werden. Aktuell führt
Allgemeinen und in der Energiewirtschaft im die dena in diesem Kontext ein Pilotprojekt zur
Analyse „Die Datenökonomie in der Energiewirtschaft“
Realisierung eines Energiedatenraums durch (das Zu guter Letzt ist es essenziell für die
Projekt „Energy Data Space“), welches durch das Digitalisierung in der Energiewirtschaft (aber auch
(damalige) Bundesministerium für Wirtschaft und darüber hinaus), dass Anreize für die Schaffung
Energie (BMWi) beauftragt wurde. einer Datenökonomie geschaffen werden. Die
Politik kann hier wesentliche Impulse setzen,
Die Digitalpolitik von heute legt das Fundament damit Marktakteure Daten zunehmend als
für die Datenökonomie von morgen WertschöpfungsPotenzial begreifen.
Zusammenfassend lässt sich sagen: Die Sofern die Marktakteure den Wert von Daten nicht
Notwendigkeit, die Rolle von Daten und erkennen, kann die Datenökonomie sich nicht
Dateninfrastrukturen auf politischer Ebene zu entfalten und damit würde ein wesentlicher
adressieren, wurde prinzipiell durch die Treiber der Digitalisierung ungenutzt bleiben. Die
europäische und deutsche Politik erkannt. Förderung der Datenökonomie sollte daher eine
Zukünftig wird es jedoch essenziell sein, diese sehr hohe Priorität vonseiten der Politik und der
Themen weiterhin zu priorisieren und zugleich Regulierungsbehörden beigemessen werden.
Förderungen für konkrete Pilotprojekte
aufzusetzen.
Die Analyse „Die Datenökonomie in der Energiewirtschaft“
Hintergrund der Analyse Analyse leistet einen wichtigen und hochaktuellen
Beitrag zur Rolle von Datenaustauschbeziehungen
Die Deutsche Energie-Agentur (dena) beschäftigt in der Energiewirtschaft. Wie bereits zuvor
sich bereits seit einigen Jahren mit der Rolle der dargelegt, besteht ein großer Handlungsdruck
Digitalisierung für die Energiewirtschaft. Zu diesem hinsichtlich dieser Thematik. Bevor Entscheider
Zweck wurde 2021 u. a. auch das Future Energy aus Politik und Energiewirtschaft die in der Analyse
Lab ins Leben gerufen: eine virtuelle und physische skizzierten Schritte hin zu einer zukunftssicheren
Austauschplattform mit dem Ziel, innovative Dateninfrastruktur und -ökonomie beschreiten
digitale Technologien für die Energiewirtschaft der können, gilt es zunächst auch wesentliche
Zukunft zu erforschen, zu diskutieren, zu konzeptionelle Kenntnisse zu vermitteln, die den
demonstrieren und zu erproben. Das (damalige) Datenbegriff und die Digitalisierung selbst deutlich
Bundesministerium für Wirtschaft und Energie griffiger machen.
(BMWi) beauftragte die dena 2019 u. a. mit dem
Gesamtprojekt „Digitale Technologien für das Die Inhalte der Analyse
Energiesystem der Zukunft“ (auch „Future
Energy“-Projekt genannt). Ein Strang des „Future Dazu werden die Grundlagen von Daten,
Energy“-Projekts mit dem Titel Möglichkeiten von Datenaustauschbeziehungen
„Datenbereitstellung für die Energiewende“ sieht (insbesondere bezüglich Datenplattformen) und
unter anderem vor, sich der Thematik des der Datenökonomie auf umfassende Weise
energiewirtschaftlichen Datenaustauschs zu dargelegt. Eine solche begriffliche Klärung ist
widmen. Die vorliegende Analyse ist Teil dieses eingangs notwendig, um eine zielgerichtete
Projektstrangs. Die Analyse wurde von der dena in Debatte hinsichtlich dieser Thematik führen zu
Auftrag gegeben und begleitet. Die WIK-Consult können.
GmbH wurde mit der Erstellung der Analyse
beauftragt. Die Publikation vertritt dabei die Im Hauptteil der Analyse wird der Status Quo von
Meinung des Erstellers der Analyse. Die erstellte Daten und der Datenökonomie in der
Energiewirtschaft analysiert. Hierbei werden die
Analyse „Die Datenökonomie in der Energiewirtschaft“
wesentlichen Aspekte der energiewirtschaftlichen Wichtigkeit ist. Wir hoffen, dadurch einen weiteren
Datenlandschaft adressiert. Es werden Baustein für die Zukunft der Energiewirtschaft und
Rahmenbedingungen, Faktoren und Prozesse die Umsetzung der Energiewende gelegt zu haben.
berücksichtigt, die einen Einfluss auf Daten,
Dateninfrastrukturen und Datenaustauschprozesse
in der Energiewirtschaft ausüben. Im Zuge dessen
werden auch bestehende Datenplattformen und
-infrastrukturen (wie GAIA-X) dargestellt.
Ein weiterer Teil der Analyse widmet sich den
Anreizen und Herausforderungen einer
potenziellen Datenökonomie in der
Energiewirtschaft. Es werden in diesem Rahmen
verschiedene Regulierungsgrade im Hinblick auf
Daten differenziert und Spannungsfelder
beschrieben.
Im letzten Teil wird der Weg in die Zukunft
aufgezeigt: Es wird skizziert, wie zukunftsträchtige
Dateninfrastrukturen und die Datenökonomie als
solche realisiert werden können. Dabei ist neben
der Entwicklung eines übergreifenden Zielbilds
auch die Umsetzung von konkreten Pilotprojekten
in den Vordergrund zu rücken.
Die Relevanz der Analyse
Die vorliegende Analyse soll dabei auf dreierlei
Weise zur weiteren Debatte beitragen: Erstens
sollen konzeptionelle Kenntnisse vermittelt
werden. Zweitens soll der Stand der Dinge in der
Energiewirtschaft dargestellt werden. Drittens soll
aufgezeigt werden, was notwendig ist, um das
Potenzial von Daten für die Energiewirtschaft
bestmöglich im Sinne der Datenökonomie
auszuschöpfen.
Die Analyse richtet sich primär an Entscheider aus
der Politik, der Regulierungsbehörden und der
Energiewirtschaft. Weiterhin soll die Analyse die
Komplexität der Thematik einem breiteren
Publikum aus der Fachöffentlichkeit und der
allgemeinen Öffentlichkeit vermitteln. Sie
erscheint zu einer Zeit, in der eine Weichenstellung
im Hinblick auf Daten und Dateninfrastrukturen in
der Wirtschaft im Allgemeinen und in der
Energiewirtschaft im Besonderen von höchster
Analyse „Die Datenökonomie in der Energiewirtschaft“
WIK-Consult GmbH
Eine Analyse für die Deutsche Energie-Agentur GmbH (dena)
Die Datenökonomie in der Energiewirtschaft
Eine Analyse der Ausgangslage und Wege in die Zukunft der
Energiewirtschaft durch die Datenökonomie
Autoren:
Dr. Bernd Sörries
Dr. Marcus Stronzik
Prof. Dr. Michael Laskowski
Dr. Lukas Wiewiorra
Dr. Nico Steffen
Bad Honnef, Januar 2022Impressum WIK-Consult GmbH Rhöndorfer Str. 68 53604 Bad Honnef Deutschland Tel.: +49 2224 9225-0 Fax: +49 2224 9225-63 E-Mail: info@wik-consult.com www.wik-consult.com Vertretungs- und zeichnungsberechtigte Personen Geschäftsführerin Dr. Cara Schwarz-Schilling Direktor Alex Kalevi Dieke Direktor Abteilungsleiter Netze und Kosten Dr. Thomas Plückebaum Direktor Abteilungsleiter Regulierung und Wettbewerb Dr. Bernd Sörries Leiter der Verwaltung Karl-Hubert Strüver Vorsitzende des Aufsichtsrates Dr. Daniela Brönstrup Handelsregister Amtsgericht Siegburg, HRB 7043 Steuer-Nr. 222/5751/0926 Umsatzsteueridentifikations-Nr. DE 329 763 261
Studie für die dena: Die Datenökonomie in der Energiewirtschaft I
Inhaltsverzeichnis
Abbildungen III
Tabellen III
1 Einleitung 1
2 Der Aufbau des Gutachtens 3
3 Grundlagen einer Datenökonomie 3
3.1 Datenökonomie 4
3.2 Daten, Innovation & Datenaustausch 6
3.3 Relevanz von Datenplattformen 10
3.3.1 Definition des Plattformbegriffs 10
3.3.2 Beispiele für Datenplattformen 12
3.3.3 Funktionen und Strukturen von Plattformen 15
4 Energiewirtschaft und Entwicklung einer Datenökonomie: Status quo 20
4.1 Strukturprägende Faktoren in der Energiewirtschaft 20
4.1.1 Struktur des Marktes und Homogenität von Datenbeständen 20
4.1.2 Energiewende und Datenökonomie 22
4.2 Marktrollen und Marktkommunikation in der Energiewirtschaft 23
4.3 Energienetze als kritische Infrastrukturen 27
4.4 Transformation von Geschäftsmodellen 28
4.5 Bestehende Datenplattformen in der Energiewirtschaft 30
4.6 Neuere Entwicklungen in der Energiewirtschaft am Beispiel von GAIA-X 32
4.6.1 Die Architektur von GAIA-X 33
4.6.2 Use-Cases der Energiewirtschaft im Rahmen von GAIA-X 36
4.6.3 Zwischenfazit GAIA-X 37
4.7 Spannungsfelder 38
4.7.1 Marktstruktur und Datenplattform 38
4.7.2 Parallelität von Anwendungen im wettbewerblichen und regulierten
Bereich 39
4.7.3 Kopplung von Sektoren 39
4.7.4 Kritikalität 40
4.7.5 Organisatorische Veränderungsprozesse 40II Analyse für die dena: Die Datenökonomie in der Energiewirtschaft
5 Anreize und Herausforderungen der Datenökonomie in der Energiewirtschaft 40
5.1 Ausgangslage von potentiellen datenbasierten Anwendungen am Netzanschluss 42
5.2 Datengetriebene Geschäftsmodelle, Anreize und Netzwerkeffekte 44
5.2.1 Datenanwendungen im regulierten Bereich 46
5.2.2 Datenanwendungen im wettbewerblichen Bereich 46
5.2.3 Datenanwendungen im hybriden Bereich 47
5.3 Ressourcen und infrastrukturelle Herausforderungen 48
5.4 Förderung der Datenökonomie durch exogene Faktoren 49
6 Ableitung zur Entwicklung einer Datenökonomie in der Energiewirtschaft 50
6.1 Entwicklung eines übergreifenden Zielbildes als erster Strang der
Doppelstrategie 50
6.1.1 Informationstechnische Aspekte des Datenaustauschs 52
6.1.2 Finanzielle Ressourcen 53
6.2 Anwendungsbeispiele als zweiter Bestandteil der Doppelstrategie 54
6.2.1 Use-Case: Aufbau eines Datenraumes der Energiewirtschaft 55
6.2.2 Use-Case: Entwicklung von Predictive-Maintenance-Applikationen 59
6.2.3 Use-Case: Herstellung von lokalen Energiemärkten 61
6.2.4 Use-Case: Betrieb von E-Ladesäulen 64
7 Zusammenfassung, Schlussfolgerungen und Handlungsempfehlungen 68
7.1 Zusammenfassende Betrachtung 68
7.1.1 Inputfaktoren einer sektoralen Datenökonomie 68
7.1.2 Status quo 69
7.1.3 Entwicklungen hin zu einer sektoralen Datenökonomie: Voraussetzungen
und Herausforderungen 70
7.2 Schlussfolgerung 72
7.3 Handlungsempfehlungen 73
Literaturverzeichnis 77Analyse für die dena: Die Datenökonomie in der Energiewirtschaft III
Abbildungen
Abbildung 3-1: Nutzer- und Monetarisierungs-Feedback-Schleifen 5
Abbildung 3-2: Datenplattform ATLAS 13
Abbildung 4-1: Klassische Wertschöpfungskette der Energiewirtschaft 21
Abbildung 4-2: Zentrale Rolle der Netzbetreiber beim Datenaustausch 25
Abbildung 4-3: Kommunikationsprozesse 26
Abbildung 4-4: Klassifizierung von Geschäftsmodellen 29
Abbildung 4-5: Aufbau des GAIA-X-Ökosystems 34
Abbildung 5-1: Umfeldfaktoren von Daten 41
Abbildung 5-2: Klassifizierung datengetriebener Geschäftsmodelle 45
Abbildung 6-1: Veranschaulichung eines Datenraumes (Data-Space) am Beispiel
Mobilität 56
Abbildung 6-2: Datenaustausch beim kollaborativen Qualitätsmanagement von
Fahrzeugbatterien 58
Abbildung 6-3: Predictive Maintenance 59
Abbildung 6-4: Abbildung eines lokalen Energiemarktplatzes 62
Abbildung 6-5: Betrieb von E-Ladesäulen 66
Abbildung 7-1: Parameter mit Einfluss auf die Etablierung einer Datenökonomie 74
Tabellen
Tabelle 3-1: Funktionen von Data-Sharing-Plattformen 15
Tabelle 3-2: Taxonomie zur Klassifikation von Datenplattformen 19
Tabelle 4-1: Marktakteure und Marktrollen 24
Tabelle 4-2: Öffentliche Datenplattformen in der deutschen Energiewirtschaft 31Analyse für die dena: Die Datenökonomie in der Energiewirtschaft 1
1 Einleitung
Die Digitalisierung als Megatrend moderner Gesellschaften 1 führt in wirtschaftlichen,
öffentlichen und privaten Bereichen dazu, dass immer größere Mengen
unterschiedlichster Daten erhoben, übertragen und verarbeitet werden. Es wird erwartet,
dass sich zwischen dem Jahr 2018 bis zum Jahr 2026 der Umfang an Daten
verfünffacht. 2 Mit der steigenden Verfügbarkeit an Daten, die ganz maßgeblich aus der
Vernetzung von Dingen im (industriellen) Internet der Dinge resultiert, sehen immer mehr
Unternehmen die Chance, Daten für innovative Anwendungen zu verwenden. Daten
werden so zu einer neuen Ressource und ein Schlüsselfaktor für das Wachstum der
gesamten Volkswirtschaft. Damit rücken verstärkt datengetriebene Geschäftsmodelle
sowie deren Voraussetzungen und Erfolgschancen in den wirtschaftlichen,
wissenschaftlichen und politischen Diskurs. 3
Gleichzeitig findet der Begriff der Datenökonomie verstärkt Eingang in Diskussionen.
Unter Datenökonomie können vereinfacht sämtliche Aktivitäten unter Verwendung von
Daten verstanden werden. 4 Nach diesem Verständnis sind datenzentrierte
Geschäftsmodelle ein Aspekt der Datenökonomie. Des Weiteren können
Datenplattformen Bestandteile einer Datenökonomie sein. Die (ökonomischen) Vorteile
aus der Erhebung, Analyse und Nutzung von Daten setzen aber nicht zwingend
entsprechende Plattformen voraus, so dass der Einsatz der Ressource Daten in einer
Datenökonomie auch unabhängig von Plattformen erfolgen kann. 5
Insbesondere die volkswirtschaftlichen Auswirkungen einer Datenökonomie hängen
maßgeblich davon ab, wie schnell sich datenbasierte Geschäftsmodelle i n den Sektoren
der Volkswirtschaft etablieren. Mit der Energiewende wurde in Deutschland ein Prozess
initiiert, in dem Instrumente der Digitalisierung essentiell für den Weg in eine sichere,
wirtschaftliche und umweltverträgliche Zukunft der Energieversorgung sind.
Insbesondere über die bi-direktionale Vernetzung von Erzeugung und Lasten und dem
Einsatz intelligenter Betriebsmittel werden Daten erhoben, übertragen und ausgewertet.
Daneben können Daten neue Anwendungen initiieren, woraus wiederum
Wachstumsimpulse resultieren können. Bestands- und/oder Verkehrsdaten werden dann
nicht mehr nur im Rahmen gesetzlicher oder regulatorischer Vorgaben ausgetauscht,
sondern sie könnten zu einem eigenständigen Produkt werden. Die folgenden Beispiele
illustrieren, wie Daten verstärkt eine neue ökonomische Bedeutung erhalten können:
- Die Auswertung von Daten über den Zustand von Betriebsmitteln (Predictive
Maintenance) kann die Einsatzplanung von Erzeugungsanlagen optimieren.
1 Vgl. Faber (2018).
2 Vgl. Azkan et al. (2020).
3 Vgl. Bundesregierung (2021): Datenstrategie der Bundesregierung, abrufbar unter:
https://www.bundesregierung.de/resource/blob/992814/1845634/f073096a398e59573c7526feaadd43
c4/datenstrategie-der-bundesregierung-download-bpa-data.pdf, zuletzt abgerufen am 30.11.2021.
4 Vgl. Azkan et al. (2020).
5 Vgl. Dewenter (2017).2 Analyse für die dena: Die Datenökonomie in der Energiewirtschaft
- Bei Prosumern können Daten über die Stromproduktion und den Verbrauch die
Eigenverbrauchsoptimierung erhöhen sowie die sichere Integration von
Erzeugungsanlagen und Speichern in das jeweilige Stromnetz sicherstellen.
- Daten könnten im Bereich Smart Home neue Geschäftsmodelle ermöglichen, die
beispielsweise Sicherheit, Energieeffizienz und Komfort miteinander verknüpfen.
In der Literatur gibt es empirische Belege, die zeigen, dass mittels datengetriebener
Geschäftsmodelle die Wettbewerbsfähigkeit und Produktivität von Unternehmen
gesteigert werden kann. Gilt dies auch für Unternehmen in der Energiewirtschaft unter
ihren spezifischen gesetzlichen und regulatorischen Rahmenbedingungen und deren
Marktstrukturen? Führt die angestoßene Digitalisierung zu neuen Geschäftsmodellen in
der Energiewirtschaft? Kann mittels der Vernetzung von Betriebsmitteln tatsächlich die
Produktivität in den Stromnetzen erhöht werden? Von der Beantwortung dieser und
weiterer Fragen kann abgeleitet werden, ob die Energiewirtschaft heute bzw. künftig
einen Beitrag zur allgemeinen Datenökonomie in Deutschland leisten kann und wird.
In diesem Zusammenhang stellt sich dann die Frage, welche Rolle Datenplattformen zum
Austausch von Daten für neue datenbasierte Geschäftsmodelle in der Energiewirtschaft
einnehmen. Datenplattformen sind im Konsumentenbereichen fest etabliert. Sie haben
aufgrund ihrer Marktposition bereits Veränderungen (neue Eingriffsbefugnisse der
Wettbewerbsbehörde) im allgemeinen Kartellrecht motiviert. 6 Sofern sich neue
Datenplattformen bilden, die über die bereits bestehenden hinausgehen7, besteht dann
auch das Risiko, dass sie alle relevanten Daten für sich behalten und insoweit im
Extremfall „Datenmonopole“ entstehen? Auch dies sind offene Fragen, die über den
Umfang und die Reichweite einer sektoralen Datenökonomie Auskunft geben.
Zusammenfassend bietet die laufende Digitalisierung in der Energiewirtschaft somit
einen Rahmen und infrastrukturelle Voraussetzungen für die Etablierung einer
sektorspezifischen Datenökonomie. Die Datenökonomie ist insoweit ein möglicher
Output der Digitalisierung und keine Voraussetzung für den Prozess derselben. So setzt
der Rollout von intelligenten Messsystemen oder der Einbau von Sensorik in
Betriebsmitteln keine Datenökonomie voraus. Jedoch ist denkbar, dass die Potentiale
von intelligenten Messsystemen oder digitalen Betriebsmitteln erst dann vollständig
erschlossen werden, wenn Daten unter Marktakteuren mit dem Ziel geteilt werden, das
für Anwendungen interpretierbare Datenvolumen zu vergrößern. Folglich ist die
Datenökonomie auch keine Voraussetzung für das Gelingen der Energiewende. Sofern
aus der Datenökonomie jedoch Mehrwerte (z. B. Produktivitätssteigerungen,
Innovationen) resultieren, die wiederum etablierten Marktrollen neue, tragfähige
Geschäftsmodelle oder verbesserte Prozesse ermöglichen, kann die Datenökonomie
nichtsdestotrotz den Prozess und die Akzeptanz der Digitalisierung unabhängig von
regulatorischen und/oder gesetzlichen Vorgaben beschleunigen und anreizen. Insoweit
6 § 19a GWB bzw. Diskussionen über neue Rechtssetzungen in der Europäischen Union. Siehe z. B.
https://ec.europa.eu/info/strategy/priorities-2019-2024/europe-fit-digital-age/digital-markets-act-
ensuring-fair-and-open-digital-markets_de, zuletzt abgerufen am 30.11.2021.
7 Siehe dazu Kapitel 4.5.Analyse für die dena: Die Datenökonomie in der Energiewirtschaft 3
gibt es ein Wechselverhältnis zwischen dem Prozess der Digitalisierung und dem
Entstehen einer sektoralen Datenökonomie.
Vor dem Hintergrund der digitalen Transformation der Energiewirtschaft und
angrenzender Wirtschaftssektoren wird in dieser Analyse aufgezeigt, unter welchen
(systemischen) Voraussetzungen sich eine Datenökonomie in der Energiewirtschaft
entwickeln kann. Insoweit wird implizit untersucht, wie Deutschland im Allgemeinen, das
bei der Integration digitaler Technologien unter dem EU-Durchschnitt liegt 8, oder
Unternehmen der Energiewirtschaft (z. B. Energieversorger) im Speziellen, die beim
Digitalisierungsstand im Vergleich zu Unternehmen aus dem Verarbeitenden Gewerbe,
dem Baugewerbe und dem Handel bei Praxisbeispielen der Digitalisierung zurückfallen,
aufholen könnten. 9
Die Analyse verfolgt das Ziel, konkrete Maßnahmen, die zu einer sektoralen
Datenökonomie führen können, aufzuzeigen.
2 Der Aufbau der Analyse
Die Analyse gliedert sich wie folgt:
In Kapitel 3 werden zunächst die Grundlagen der Datenökonomie beschrieben. Die
grundlegende Fragestellung ist hierbei: Wie sind die Themen einer Datenökonomie und
Datenplattformen theoretisch-konzeptuell einzuordnen und zu definieren? Es wird
herausgearbeitet, welche Input-Parameter für eine Datenökonomie bestehen.
In Kapitel 4 wird der Status quo hinsichtlich relevanter Einflussparameter auf dem Weg
zu einer Datenökonomie untersucht.
In Kapitel 5 werden Anreize für Unternehmen zur Teilnahme an der Datenökonomie
analysiert.
In Kapitel 6 werden Maßnahmen zur Entwicklung einer Datenökonomie erläutert.
Die Analyse schließt mit einer Zusammenfassung der wesentlichen Ergebnisse, daraus
abgeleiteten Schlussfolgerungen und Handlungsempfehlungen.
3 Grundlagen einer Datenökonomie
In diesem Kapitel werden Grundzüge der Datenökonomie genannt. Nachfolgend werden
zunächst wesentliche Begriffe einer Datenökonomie erläutert. Ebenso werden Beispiele
8 DESI (2020).
9 Lundborg et al. (2021).4 Analyse für die dena: Die Datenökonomie in der Energiewirtschaft für Datenplattformen gegeben, die ein prägendes Element der Datenökonomie sein können. Ziel des Kapitels ist es, im Sinne einer Input-Output-Analyse die wesentlichen (Input-) Parameter zu identifizieren, die zu einer Datenökonomie in der Energiewirtschaft führen können. 3.1 Datenökonomie „Datenökonomie fasst, grob gesprochen, die gesamte wirtschaftliche Aktivität unter Verwendung von Daten zusammen.“10 Der Begriff der Datenökonomie nimmt heutzutage ein immer größeres und breiteres Verständnis ein und ist nicht mehr als ein eigener, abgrenzbarer Sektor zu verstehen, sondern beschreibt vielmehr die wachsende Bedeutung von Daten in der gesamten Wirtschaft, während die Integration analoger und digitaler Prozesse und deren Weiterentwicklung immer weiter voranschreiten. So werden Daten mehr und mehr von einem ursprünglichen Nebenprodukt zu einem eigenständigen Produkt und Voraussetzung für die Innovation oder die Optimierung von Geschäftsmodellen und Prozessen vom geschäftlichen bis hin zum öffentlichen und privaten Leben. Abzugrenzen sind davon bestehende Prozesse der Datenerfassung, die hauptsächlich administrativen und organisatorischen Zwecken dienen. Auch hinsichtlich des im Folgenden diskutierten Datenaustauschs steht weniger die klassische Marktkommunikation im Sinne von Vertragsschlüssen, Meldeprozessen, Lieferinformationen etc. im Fokus, sondern die Generierung von Mehrwerten, die über klassische Geschäftsprozesse hinausgehen oder diese innovativ optimieren. Allerdings kann auch hier die Digitalisierung und Standardisierung solcher Abläufe bereits erste Prozessbeschleunigungen und -optimierungen ermöglichen und ist häufig ein notwendiger erster Schritt für komplexere und dynamischere Innovationsentwicklungen. Im Gegensatz zu diesem ganzheitlichen Verständnis des Begriffs der Datenökonomie wurde und wird er häufig auch im spezifischen Kontext digitaler Dienste und internetbasierter Unternehmen verwendet. In Abgrenzung zu traditionell etablierten Märkten und Wirtschaftssektoren sind hier meist sektorübergreifend agierende Anbieter von datengetriebenen Dienstleistungen und Produkten umfasst. Da neue Märkte häufig aus neuartigen digitalen Geschäftsmodellen erwachsen sind und in diesem Bereich besonders starke Konzentrationstendenzen vorherrschen, beschreibt die OECD 11 diesen Paradigmenwechsel als einen Übergang vom traditionellen „Wettbewerb auf dem Markt“ zu einem „Wettbewerb um den Markt“. Der bisherige Schwerpunkt der öffentlichen und (wettbewerbs-)politischen Aufmerksamkeit lag dabei vor allem auf großen Consumer-Plattformen wie sie u. a. von den großen originären Technologieunternehmen Google, Apple, Facebook, Amazon und Microsoft (GAFAM) angeboten werden. 12 In der 10 Azkan et al. (2020). 11 OECD (2016). 12 Vgl. z. B. Haucap (2020).
Analyse für die dena: Die Datenökonomie in der Energiewirtschaft 5 Regel werden dabei Erkenntnisse aus Konsumentendaten über das Verhalten und Vorlieben von Personen durch eine Verbesserung des eigenen Dienstes einerseits und/oder eine gezielte Werbevermittlung andererseits indirekt monetarisiert. Die Tendenz zur Marktkonzentration entsteht dabei vor allem durch sogenannte „positive Feedback-Schleifen“ 13 bzw. datengetriebene Netzwerkeffekte 14. Diese entstehen dann, wenn die Datenerhebung über Nutzer und Benutzung regelmäßig die Dienstleistung selbst verbessern kann – entweder durch direkte Erkenntnisse und folgende Optimierungen aus der eigenen Datenauswertung oder indirekt durch gestiegene Einnahmen aus insb. gezielter Werbung. Durch entsprechende Qualitätsverbesserungen zusätzlich gewonnene Kunden erlauben ebenfalls die Erhebung zusätzlicher Daten, die wiederum erneut zur Verbesserung der Dienstleistung genutzt werden können. Insbesondere bei einer Ausweitung des Diensteangebots kann dabei gleichzeitig die Datenbreite (Daten über eine größere Anzahl an Nutzern) als auch die Datentiefe (mehr Daten zu einzelnen Nutzern) erhöht werden. Diese Vorgehensweise zur Optimierung der Datenbreite könnte beispielsweise bei der Optimierung des Eigenverbrauchs von Prosumern zum Einsatz kommen, wo es darum geht, Daten über die Eigenproduktion möglichst optimal mit Daten über den Verbrauch zu verbinden. Abbildung 3-1: Nutzer- und Monetarisierungs-Feedback-Schleifen ______________________________________________________________________ ______________________________________________________________________ Quelle: OECD (2016). Nicht zuletzt durch das Vordringen vo n bereits in Massenmärkten etablierten Anbietern von Datenplattform in traditionellen Industrien und Wertschöpfungsstufen 15 verschiebt sich der Fokus auch auf Seiten traditioneller Industrien und Sektoren zunehmend hin zu einer direkten Wertschöpfung aus Daten und einem aktiven Datenaustausch im B2B- Kontext bzw. entlang der gesamten Wertschöpfungskette. In etablierten, gesättigten Märkten ist das Potential für solche Feedback-Schleifen durch Neukunden häufig geringer. Vielmehr stehen viele Firmen hier noch vor dem Problem, Daten aus schon bestehenden Kunden und Prozessen überhaupt erst(malig) nutzbar zu machen. Durch 13 Vgl. Arnold et al (2020). 14 Cerre Report - The role of data for digital markets contestability: case Analyses and data access remedies. September 2020. (https://cerre.eu/publications/data-digital-markets-contestability-case- Analyses-and-data-access-remedies/) 15 https://www.manager-magazin.de/magazin/artikel/google-apple-facebook-und-amazon-greifen- deutsche-unternehmen-an-a-1205727.html
6 Analyse für die dena: Die Datenökonomie in der Energiewirtschaft
die Digitalisierung und Messung bestehender realer Prozesse mit der Verbreitung von
neuen intelligenten Geräten (vgl. Smart Home & IIoT) und durch die Kombination mit
Daten aus neuartigen Online-Diensten wird allerdings auch hier eine fortlaufend
steigende Datenmenge generiert. Auf der anderen Seite finden sich ebenfalls wachsende
Möglichkeiten in der Datenverarbeitung und -analyse durch immer größere
Rechenleistung, maschinelles Lernen und Künstliche Intelligenz (KI). Dabei ermöglicht
KI einerseits die Verwertung und Analyse von großen bestehenden Datenmengen,
schafft aber andererseits z. B. durch automatische Bilderkennung und mehr wiederum
neue Dimensionen bei der initialen Datenerfassung.
3.2 Daten, Innovation & Datenaustausch
„Daten bestehen aus Angaben, Zeichen oder Symbolen, die durch Interpretation zu
Informationen werden. Daten können erzeugt, gesammelt, aufbereitet, visualisiert,
analysiert und zu Information und Wissen angereichert werden. Gespeichert werden
sie in Dateien oder Datenbanken als Klartext, Grafik oder in Listen- bzw. Tabellenform.
In ihrer unbearbeiteten Form bezeichnet man Daten als Basis- oder Rohdaten. Werden
Daten weiterverarbeitet, nennt man sie häufig Mehrwertdaten. Daten, die
Informationen und Beschreibungen über Rohdaten oder Mehrwertdaten bereitstellen,
werden als Metadaten bezeichnet.“
Quelle: Fraunhofer FOKUS (2019): Leitfaden für qualitativ hochwertige Daten und Metadaten,
Fraunhofer-Institut für Offene Kommunikationssysteme FOKUS.
Die eingehende Definition des „Normentwurf für qualitativ hochwertige Daten und
Metadaten“ (NQDM) stellt eine anwendungsorientierte Definition dar. Aber schon für den
Begriff der Daten selbst gibt es eine Fülle an Definitionen und verschiedenen
Auffassungen, wie eine Bestandsaufnahme 16 zeigt. Im Ergebnis wird hier vor allem die
Definition von Kaase 17 als sinnvoll erachtet, die ein abstrakteres Verständnis darstellt:
„Daten sind Informationen über Eigenschaften von Analyseeinheiten.“ Jeweils wird
deutlich, dass der Kontext und Bezug der Daten eine entscheidende Rolle spielen und
Daten erst durch ihre entsprechende Interpretation zur Information und Wertschöpfung
beitragen können. So sprechen Daten nicht für sich selbst und haben per se erst einmal
wenig bis gar keinen wirtschaftlichen Wert, sondern müssen erst durch teils erhebliche
Anstrengungen bei Datenerfassung, Datenmanagement und Datenauswertung zu
wirtschaftlich verwertbaren Informationen umgewandelt werden. 18 Damit sind
spiegelbildlich auch die organisatorischen Herausforderungen der Akteure genannt, die
die Datenökonomie in der Energiewirtschaft bestreiten werden.
16 Hjørland (2019).
17 Kasse (2001).
18 Vgl. Arnold et al. (2020) und BVDW (2018).Analyse für die dena: Die Datenökonomie in der Energiewirtschaft 7
Eine einheitliche Art der Definition oder Quantifizierung des Werts von Daten gibt es
dabei nicht und würde der Heterogenität von Anforderungen, Anwendungsfällen und
Anwendern auch nicht gerecht werden. Je nach input- oder ergebnisgetriebener
Perspektive gibt es dabei verschiedene betriebs- und volkswirtschaftliche
Herangehensweisen. 19 Aus der Inputperspektive werden häufig vor allem Faktoren
genannt, die mit der Datenqualität zusammenhängen. 20
Auch oder sogar gerade im Rahmen neuer Technologien wie der KI ist ein „Mehr“ an
Daten nicht automatisch immer besser bzw. ausreichend, da eine große Datenmenge
zwar gewisse Ungenauigkeiten kompensiert, aber keine grundlegenden Verzerrungen
und Mängel bei der Datenqualität beheben kann. 21 Außerdem gehen größere
Datenmengen in der Regel auch mit einem Mehrbedarf an Rechenleistung und
Kompetenz bei der Aufbereitung und Ergebnisinterpretation einher, was einem
abnehmenden Nutzen von Daten bei zunehmend großen Datensätzen gegenübersteht.
Zu den wichtigsten Dimensionen der Datenqualität gehören nach Cichy & Rass22 die
Folgenden:
Vollständigkeit: ausreichende Breite, Tiefe und Umfang der Daten für eine
vorliegende Aufgabe,
Genauigkeit: Daten müssen möglichst korrekt, zuverlässig, gültig und belegt
sein,
Aktualität: angemessenes Alter der Daten für eine vorliegende Aufgabe,
Konsistenz: Daten sollten im gleichen Format vorliegen und mit früheren Daten
kompatibel sein,
Zugänglichkeit: Daten sollten gut verfügbar bzw. leicht und schnell abrufbar sind.
Gerade im Rahmen von Nutzer- und Nutzungsdaten wird ein steigender Datenwert in
Breite (Daten über eine große Anzahl von Nutzern) und Tiefe (Detaillierte Informationen
über einzelne Nutzer) beigemessen. 23 Die Aktualität bzw. die Veränderungshäufigkeit
von Daten und ggf. der konstante Zufluss aktueller Nutzungsdaten spielen eine weitere
wichtige Rolle. Je nach Anwendungsfall können statische Daten, z. B. Stammdaten,
ausreichen, Zeitreihen analysiert werden oder Daten in Echtzeit (real-time/near-time)
verwertet werden. Dabei muss ggf. der Zeithorizont des realen Prozesses/Objektes vom
Zeithorizont der Datenverfügbarkeit abgegrenzt werden. So können z. B. aktuelle Wetter-
oder Verkehrsdaten für intelligente Steuerungssysteme höchst relevant sein, während
diese schon am nächsten Tag zu historischen Daten werden, die in vielen Fällen einen
mit der Zeit abnehmenden Nutzen aufweisen. 24
19 Coyle et al (2020).
20 PwC (2019).
21 Vgl. Hestness et al. (2017).
22 Cichy & Rass (2019).
23 Krämer et al. (2020).
24 Vgl. Feijóo et al. (2016).8 Analyse für die dena: Die Datenökonomie in der Energiewirtschaft
Eine Bemessung des Werts von Daten hängt häufig letztendlich vom individuellen
Marktergebnis ab. In direkter Form können dabei die Kosten zur Gewinnung oder zum
Kauf (bzw. Verkauf) von Daten angesetzt werden, meist handelt es sich aber um i ndirekte
Einkommensgewinne, die aus Daten gewonnen werden können. Mögliche Innovationen
aus Daten lassen sich nach dem Oslo-Handbuch25 grundsätzlich in vier Haupttypen
unterscheiden: Produktinnovation (Waren und/oder Dienstleistungen),
Prozessinnovation, Marketinginnovation und Organisationsinnovation. Konkreter kann
die Datenanalyse z. B. genutzt werden, um (1) neue mögliche Kunden zu identifizieren,
(2) gezielte Angebote und Rabatte zur Erhöhung der Zahlungsbereitschaft zu entwickeln,
(3) Waren und Dienstleistungen entsprechend der Bedürfnisse der Kunden zu
diversifizieren und (4) Optimierungen der betrieblichen Organisation und/oder Produktion
zu erreichen. 26 Zusammenfassend beschreiben Grover et al. 27 die Hauptziele bei der
Nutzung von großen Datenmengen als:
1) Verbesserung der unternehmerischen Entscheidungsfindung,
2) Verbesserung der Abläufe bzgl. Effektivität, Effizienz und Produktivität,
3) Produkt- und/oder Dienstleistungsinnovation,
4) höhere Kundenzufriedenheit und -bindung durch bessere Nutzungs-
/Einkaufserlebnisse.
Paunov & Planes-Satorra 28 heben außerdem die besondere Bedeutung von vernetzten
Geräten und Sensorik hervor: „[…] intelligente und vernetzte Geräte sind eine ergiebige
Quelle für Innovationen in allen Sektoren. Sie sammeln und übertragen Daten über
Prozesse, Nutzung und Umweltbedingungen, die eine Prozessoptimierung,
vorausschauende Analytik/Diagnostik und in ihrem fortgeschrittensten Stadium den
autonomen Betrieb von Systemen ermöglichen“. Der Einsatz von vernetzten Geräten ist
somit die infrastrukturelle Voraussetzung, dass beispielsweise Verkehrsdaten
unmittelbar überhaupt Eingang in Wertschöpfungsprozesse haben können.
Als immaterielles und nicht rivales Gut können Daten prinzipiell mehrfach und auch
gleichzeitig an unterschiedlichen Orten und für unterschiedliche Zwecke verwendet
werden. 29 Je nach organisatorischer und technischer Konstellation können Daten aber
z. B. vertraulich behandelt werden und Andere von ihrer Nutzung ausgeschlossen
werden und haben dann den Charakter eines „Klubguts“. 30 Daten können einerseits aktiv
öffentlich gemacht werden, anderseits können außerdem z. B. andere Unternehmen
nicht grundsätzlich davon abgehalten werden, gleiche Daten, ggf. über Um- bzw.
25 OECD & Eurostat (2018).
26 Vgl. OECD (2015).
27 Grover et al (2018).
28 Paunov & Planes-Satorra (2019).
29 Floridi (2010), Hildebrandt & Arnold (2016), Schepp & Wambach (2016).
30 Vgl. Buchanan clubs | SpringerLink.Analyse für die dena: Die Datenökonomie in der Energiewirtschaft 9
indirekte Wege, auch selbst zu erheben. In diesen Fällen entsprechen Daten eher der
Form eines „öffentlichen Guts“. 31
Generell hängt eine sinnvolle Einordnung und Abgrenzung von Daten häufig vom
spezifischeren Kontext und Verwendungszweck ab. Hinsichtlich energiewirtschaftlicher
Daten ist damit die Kritikalität einzelner Daten angesprochen.
Folgende Arten der Typisierung von Daten sind nachfolgend aufgelistet, ohne dass die
Aufzählung einen Anspruch auf Vollständigkeit hat: 32
strukturiert, unstrukturiert & wiederholend, unstrukturiert & nicht wiederholend
quantitative (numerische, diskrete oder kontinuierliche) und qualitative
(nichtnumerische) Daten
Nominal-, Ordinal- und Intervalldaten
Primär-, Sekundär- und Tertiärdaten
erfasste, ausgeschöpfte, dynamische und abgeleitete Daten
freiwillige, abgeleitete, beobachtete Daten
Index-, Attribut- und Metadaten
unverarbeitete und verarbeitete Daten
relationale und multidimensionale Daten
gestreamte, gestapelte und gespeicherte Daten
streng geheime, hochsensible, sensible, private und öffentliche Daten
Neben der Unterscheidung in kritische oder unkritische Daten können Daten auch
entlang der Typologie zwischen personenbezogenen und nichtpersonenbezogenen
Daten nach der DSGVO33 sortiert und verarbeitet werden.
Personenbezogene Daten sind entsprechend definiert als „alle Informationen, die sich
auf eine identifizierte oder identifizierbare natürliche Person beziehen; als identifizierbar
wird eine natürliche Person angesehen, die direkt oder indirekt, insbesondere mittels
Zuordnung zu einer Kennung wie einem Namen, zu einer Kennnummer, zu
Standortdaten, zu einer Online-Kennung oder zu einem oder mehreren besonderen
Merkmalen, die Ausdruck der physischen, physiologischen, genetischen, psychischen,
wirtschaftlichen, kulturellen oder sozialen Identität dieser natürlichen Person sind,
identifiziert werden kann“. Daten über juristische Personen gehören nicht zu
personenbezogenen Daten, sofern diese nicht wiederum indirekt eine natürliche Person
identifizieren. Außerdem lässt sich bei nichtpersonenbezogenen Daten zwischen solchen
unterscheiden, die schon im Ursprung nicht im wörtlichen Sinne personenbezogen sind,
31 Cornes & Sandler (1986).
32 Vgl. Kitchin (2014), Arnold et al. ( 2020).
33 Regulation (EU) 2016/679.Sie können auch lesen
